基于钼靶图像的计算机辅助乳腺癌检测系统中关键技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.3 本文的主要工作 | 第18-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 第二章 基于DCT域的图像增强 | 第22-32页 |
| 2.1 引言 | 第22-23页 |
| 2.2 理论基础 | 第23-26页 |
| 2.2.1 离散余弦变换方法 | 第23-24页 |
| 2.2.2 遗传算法 | 第24-26页 |
| 2.3 基于DCT域的图像增强算法 | 第26-28页 |
| 2.3.1 增强因子矩阵 | 第26-27页 |
| 2.3.2 测量标准 | 第27-28页 |
| 2.3.3 基于GA的参数优化 | 第28页 |
| 2.4 实验结果 | 第28-31页 |
| 2.5 小结 | 第31-32页 |
| 第三章 基于标记分水岭和水平集算法的肿块分割算法 | 第32-51页 |
| 3.1 引言 | 第32-33页 |
| 3.2 理论基础 | 第33-41页 |
| 3.2.1 分水岭算法 | 第33-35页 |
| 3.2.2 滤波算法 | 第35-38页 |
| 3.2.3 改进的水平集方法 | 第38-41页 |
| 3.3 基于标记分水岭和水平集算法的肿块分割算法 | 第41-42页 |
| 3.4 实验结果 | 第42-48页 |
| 3.5 算法评价 | 第48-50页 |
| 3.6 小结 | 第50-51页 |
| 第四章 乳腺肿块的特征提取 | 第51-64页 |
| 4.1 引言 | 第51-52页 |
| 4.2 肿块的特征 | 第52-63页 |
| 4.2.1 统计特征 | 第52页 |
| 4.2.2 几何特征 | 第52-57页 |
| 4.2.3 纹理特征 | 第57-59页 |
| 4.2.4 改进的局部二值模式 | 第59-63页 |
| 4.3 特征的降维 | 第63页 |
| 4.4 小结 | 第63-64页 |
| 第五章 乳腺肿块良恶性分类及评价 | 第64-77页 |
| 5.1 引言 | 第64页 |
| 5.2 肿块分类算法 | 第64-67页 |
| 5.2.1 随机森林算法 | 第65页 |
| 5.2.2 SVM 算法 | 第65-67页 |
| 5.2.3 KNN算法 | 第67页 |
| 5.3 肿块分类性能评估方法 | 第67-68页 |
| 5.3.1 错误率 | 第68页 |
| 5.3.2 真阳性率和假阳性率的评估 | 第68页 |
| 5.4 分类结果及评价 | 第68-76页 |
| 5.4.1 基于随机森林的分类结果 | 第68-70页 |
| 5.4.2 基于ILBP算子的分类结果 | 第70-72页 |
| 5.4.3 基于水平集分割的分类结果 | 第72-76页 |
| 5.5 小结 | 第76-77页 |
| 第六章 基于纹理特征的乳腺肿块检索 | 第77-88页 |
| 6.1 引言 | 第77页 |
| 6.2 乳腺X线图像特征提取 | 第77-78页 |
| 6.3 图像检索的特征选择 | 第78-79页 |
| 6.4 数据标准化 | 第79-80页 |
| 6.5 衡量相似度 | 第80-83页 |
| 6.5.1 概述 | 第80页 |
| 6.5.2 几何相似性测度 | 第80-82页 |
| 6.5.3 非几何相似性测度 | 第82页 |
| 6.5.4 本系统的匹配方法 | 第82-83页 |
| 6.6 系统设计及实现 | 第83-86页 |
| 6.6.1 系统工作流程 | 第83-84页 |
| 6.6.2 图像检索系统的功能 | 第84-85页 |
| 6.6.3 软件运行效果图 | 第85-86页 |
| 6.7 系统性能评估 | 第86-87页 |
| 6.8 小结 | 第87-88页 |
| 第七章 总结与展望 | 第88-90页 |
| 7.1 全文总结 | 第88页 |
| 7.2 研究展望 | 第88-90页 |
| 附录A 标准X线乳腺图像数据库 | 第90-92页 |
| 附录B MammoFeat数据结构的描述 | 第92-95页 |
| 参考文献 | 第95-104页 |
| 致谢 | 第104-105页 |
| 攻读博士学位期间的学术成果 | 第105-106页 |
| 攻读博士学位期间主持及参与项目情况 | 第106页 |
